Herzinfarkt: KI liefert Messergebnisse in Sekunden

© Kleinbongard, UDE/UK Essen, erstellt mit BioRender.com

News • Fortschritt für Forschung

Herzinfarkt: KI liefert Messergebnisse in Sekunden

Für die Infarktforschung ist es wichtig zu wissen, wie groß ein Infarkt unter definierten Bedingungen ist und wie viel Herzgewebe dabei abgestorben ist.

Eine präzise Bestimmung der Infarktgröße ist unerlässlich, um neue herzschützende, sogenannte kardioprotektive, Behandlungen zu entwickeln. Dazu wird zunächst dem verstorbenen Schwein nach durchlebtem Herzinfarkt das Herz entnommen. Im Anschluss werden Herzschnitte angefertigt, digitale Bilder aufgenommen und schließlich von Hand ausgewertet. Ein Forschungsteam der Medizinischen Fakultät der Universität Duisburg-Essen um Prof. Petra Kleinbongard und Prof. Gerd Heusch hat in Zusammenarbeit mit Prof. Jakob Nikolas Kather von der TU Dresden nun eine schnelle und präzise KI-basierte Methode in „Basic Research in Cardiology“ veröffentlicht. Ihr automatisiertes Verfahren beschleunigt die Messung: von etwa 90 Minuten auf 20 Sekunden.

Die Ergebnisse, die das Modell uns in einem unabhängigen Datenset liefert, stimmen bis zu 98% mit unseren manuellen Messungen an Schweineherzen überein

Petra Kleinbongard

In dieser Studie wurden insgesamt 3869 digitale Bilder von TTC-gefärbten Herzschnitten aus Schweinen verwendet, um ein Deep-Learning-Modell zur Infarktgrößenbestimmung zu trainieren und etablieren. Die Forschenden haben die Bilder digital vorverarbeitet, indem sie störende Hintergründe entfernt und das Bildformat angepasst haben. 

Zunächst wurde an einem Teil der digitalen Herzschnitt-Bilder die Künstliche Intelligenz angelernt. Als Referenz für die KI wurden von Hand die Infarktbereiche, die nicht-betroffenen Bereiche und andere relevante Regionen auf den Herzschnitt-Bildern eingezeichnet. Durch den Einsatz eines speziell trainierten Deep-Learning-Modells auf Basis der U-Net-Architektur konnte die Auswertungszeit pro Experiment von 90 Minuten auf nur 20 Sekunden reduziert werden. „Die Ergebnisse, die das Modell uns in einem unabhängigen Datenset liefert, stimmen bis zu 98% mit unseren manuellen Messungen an Schweineherzen überein“, erklärt Prof. Petra Kleinbongard. Damit stellt die neue Methode eine objektive und zuverlässige Alternative zur herkömmlichen Infarktgrößenmessung dar, die auch in Forschungsverbünden eingesetzt werden kann. Die Technologie wurde bereits erfolgreich in verschiedenen Herzmodellen getestet und könnte die Forschung zur Kardioprotektion erheblich voranbringen. 


Quelle: Universität Duisburg-Essen

04.11.2024

Verwandte Artikel

Photo

News • Maschinelles Lernen in der Kardiologie

Herzstolpern: KI lokalisiert Extrasystolen

Forschende am KIT nutzen Maschinelles Lernen, um den Ursprungsort der Extrasystolen nichtinvasiv zu bestimmen. Dies könnte künftig die Diagnose und Therapie erleichtern und verbessern.

Photo

News • Optimierte Arbeitsabläufe

Die Rolle autonomer KI in der Krebsforschung von morgen

Eine neue Veröffentlichung prognostiziert, wie autonome KI-Agenten die Arbeitsabläufe in der Krebsforschung verändern werden - und den Forschern dabei mehr Zeit für das Wesentliche geben.

Photo

News • Tumorerkennung in PET- und CT-Scans

Neue Ideen für die KI-gestütze Analyse medizinischer Bilder

Deep Learning kann helfen, durch PET- und CT-Scans die Lage und Größe von Tumoren feststellen. Bei einem Wettbewerb zur medizinischen Bildanalyse stellten Forscher vielversprechende Ansätze vor.

Verwandte Produkte

Newsletter abonnieren